本申請屬于實時診斷領域，尤其涉及一種河湖生態健康實時診斷方法及系統。
背景技術：
1、生態健康評估方法基于綜合指數法或簡單的統計模型，雖然直觀，但難以檢測各監測指標間的關聯關系與長期的演變規律，且對數據噪聲敏感。深度學習模型，如循環神經網絡rnn和卷積神經網絡cnn，在處理時序數據和提取特征方面，如何融合不同來源、不同頻率的監測數據，如何處理各數據通道間存在的信息冗余，以及如何檢測生態系統演變過程中的多尺度時間依賴性，都是現有技術亟待解決的難題。
2、標準的卷積神經網絡或以densenet為代表的稠密連接網絡，雖然通過特征重用緩解了梯度消失問題，但網絡連接模式和卷積操作，難以處理生態時序數據內在的特性。特征提取無法根據數據自身的特點調整特征的關注重點，容易造成關鍵信息的丟失或冗余特征的累積。多數模型在處理多源輸入時，將所有數據通道視為同等重要，未能利用數據源之間的相關性與冗余度信息來指導網絡進行特征學習。此外，現有的診斷模型通常僅采用網絡最深層的輸出作為診斷結果，忽略了網絡在不同抽象層次上學習到的分級特征信息，難以全面、可靠地反映河湖生態系統的健康狀況。
技術實現思路
1、本發明提出一種河湖生態健康實時診斷方法，用于解決現有的診斷模型無法有效利用多源監測數據，忽略網絡在不同抽象層次上學習到的分級特征信息的問題，包括：
2、獲取預設時間窗口內的多源時序監測數據，構建第一數據矩陣；計算所述時間窗口內不同源數據間的互信息熵構建第二數據矩陣，并基于所述第二數據矩陣計算各數據源通道的冗余度編碼；將所述第一數據矩陣與所述第二數據矩陣沿通道維度拼接，形成多通道時空特征矩陣；
3、將所述多通道時空特征矩陣輸入至由多個稠密連接塊堆疊構成的診斷網絡中進行特征提?。黄渲?，所述稠密連接塊內的任一卷積層包括：
4、并行設置短程密集連接通路與長程跨步連接通路，并基于輸入特征的全局方差計算通路選擇參數，對兩條通路輸出的特征進行加權組合；
5、所述卷積層采用由不同膨脹率的一維非對稱卷積核構成的并行卷積分支，其中各卷積核的膨脹率由所述卷積層在診斷網絡中的深度位置確定；并利用所述冗余度編碼與所述卷積層的深度位置編碼的乘積，對所述并行卷積分支輸出的通道特征進行加權；
6、分別提取每一個所述稠密連接塊的輸出特征，計算對應的分級生態健康診斷結果；計算每一個分級診斷結果的輸出分布熵，將所述分布熵倒數歸一化處理得到融合權重；利用所述融合權重對所有分級生態健康診斷結果進行加權求和，得到河湖生態健康診斷結果。
7、此外，本發明還涉及了一種河湖生態健康實時診斷系統，包括以下模塊：
8、拼接模塊，用于獲取預設時間窗口內的多源時序監測數據，構建第一數據矩陣；計算所述時間窗口內不同源數據間的互信息熵構建第二數據矩陣，并基于所述第二數據矩陣計算各數據源通道的冗余度編碼；將所述第一數據矩陣與所述第二數據矩陣沿通道維度拼接，形成多通道時空特征矩陣；
9、組合模塊，用于將所述多通道時空特征矩陣輸入至由多個稠密連接塊堆疊構成的診斷網絡中進行特征提取；其中，所述稠密連接塊內的任一卷積層包括：
10、并行設置短程密集連接通路與長程跨步連接通路，并基于輸入特征的全局方差計算通路選擇參數，對兩條通路輸出的特征進行加權組合；
11、加權模塊，用于所述卷積層采用由不同膨脹率的一維非對稱卷積核構成的并行卷積分支，其中各卷積核的膨脹率由所述卷積層在診斷網絡中的深度位置確定；并利用所述冗余度編碼與所述卷積層的深度位置編碼的乘積，對所述并行卷積分支輸出的通道特征進行加權；
12、計算模塊，用于分別提取每一個所述稠密連接塊的輸出特征，計算對應的分級生態健康診斷結果；計算每一個分級診斷結果的輸出分布熵，將所述分布熵倒數歸一化處理得到融合權重；利用所述融合權重對所有分級生態健康診斷結果進行加權求和，得到河湖生態健康診斷結果。
13、本發明通過在輸入端融合基于互信息熵構建的數據源冗余度信息，增強了多源時序特征的表示能力。在診斷網絡內部，改進的稠密連接塊通過并行設置短程與長程連接通路，并根據特征的全局方差進行加權組合，優化了不同層級特征的流動與復用；同時，采用隨網絡深度變化的膨脹卷積核結構，檢測了生態演變過程中的多尺度時間依賴關系，并通過冗余度編碼與深度位置編碼的結合，實現了對不同通道特征的差異化處理，提升了特征提取的效率。此外，對網絡中多個深度模塊的輸出進行分級診斷，并基于輸出分布熵的倒數進行加權融合，綜合了不同抽象層次的判斷根據，提升了診斷結果的可靠性。
1.一種河湖生態健康實時診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，所述基于所述第二數據矩陣計算各數據源通道的冗余度編碼，包括：
3.根據權利要求1所述的方法，其特征在于，所述基于輸入特征的全局方差計算通路選擇參數，對兩條通路輸出的特征進行加權組合，包括：
4.根據權利要求1所述的方法，其特征在于，所述各卷積核的膨脹率由所述卷積層在診斷網絡中的深度位置確定，包括：
5.根據權利要求1所述的方法，其特征在于，所述利用所述冗余度編碼與所述卷積層的深度位置編碼的乘積，對所述并行卷積分支輸出的通道特征進行加權，包括：
6.根據權利要求1所述的方法，其特征在于，所述計算每一個分級診斷結果的輸出分布熵，將所述分布熵倒數歸一化處理得到融合權重，包括：
7.根據權利要求1-6任一項所述的方法，其特征在于，所述獲取預設時間窗口內的多源時序監測數據，構建第一數據矩陣，包括：
8.一種河湖生態健康實時診斷系統，其特征在于，包括以下模塊：
9.根據權利要求8所述的系統，其特征在于，所述基于所述第二數據矩陣計算各數據源通道的冗余度編碼，包括：
10.根據權利要求8所述的系統，其特征在于，所述基于輸入特征的全局方差計算通路選擇參數，對兩條通路輸出的特征進行加權組合，包括：